< prev

Page 1Page 2Page 3Page 4Page 5Page 6Page 7Page 8Page 9Page 10

Page 6 of 10
next >

Majalah Ilmiah UNIKOM

Vol.7, No. 1

32

H a l a m a n

HASIL DAN PEMBAHASAN

Hasil analisis regresi logistik diuji

ketepatannya

dengan

menggunakan

metode relative operating characteristic

(ROC). Nilai ketepatan ini biasanya berada

ROC diantara 0,5 sampai 1,0. Nilai 1,0

mengindikasikan hasil perhitungan tepat

sempurna,

sedangkan

nilai

0,5

mengindikasikan bahwa hasil tersebut

karena pengaruh acakan saja (Pontius &

Schneider 2001).

Hasil ROC paling tinggi adalah

0.966 diperoleh oleh penggunaan lahan

sawah, kemudian 0.936 pada kawasan

terbangun,

selanjutnya

perkebunan

dengan 0.921. Nilai cukup tinggi ada

pada penggunaan lahan hutan dengan

0.901 dan lainnya dengan 0.892. Nilai

yang terendah adalah penggunaan lahan

pertanian lahan kering dengan 0.813

(Tabel 4). Nilai-nilai ini menunjukkan hasil

perhitungan cukup valid untuk digunakan

sebagai input pemodelan spasial.

Hasil

simulasi

adalah

peta

penggunaan lahan pada tahun simulasi.

Simulasi dilakukan selama duapuluh

tahun yaitu tahun 2003 sampai dengan

tahun 2023 dan penggambaran hasil

simulasi dapat dilakukan per tahun. Hasil

simulasi dari dua skenario pada akhir

simulasi (tahun 2023) diilustrasikan pada

Gambar 3 dan 4.

Hasil perhitungan regresi logistik

untuk nilai Exp(β) ditunjukkan pada Tabel

5. Berdasarkan tabel tersebut tampak

peluang penggunaan lahan hutan akan

meningkat bila variabel pendidikan, usaha

bidang pertanian, jenis tanah aluvial,

andosol, latosol, aluvium dan elevasi

meningkat. Sementara pada peluang

penggunaan lahan kawasan terbangun

meningkat

bila

variabel

kepadatan

penduduk, tingkat pendidikan, kondisi

tempat tinggal, jenis tanah kompleks,

geologi (eosen, hasil gunung api kwarter

tua, hasil gunung api tak teruraikan,

miosen fasies sedimen, pliosen fasies

sedimen, pleistosen sedimen gunung api)

dan akses meningkat. Sedangkan pada

peluang penggunaan lahan sawah akan

meningkat bila variabel jenis tanah

andosol meningkat.

Tabel 5 menggambarkan hasil

analisis regresi logistik dari faktor

driving

Kepadatan penduduk merupakan salah

satu faktor yang berpengaruh dalam

perubahan penggunaan lahan. Hal

tersebut tergambarkan dengan nilai Exp

(β) yang ada pada

setiap jenis

penggunaan lahan. Nilai Exp (β) ini

merupakan peluang adanya penggunaan

lahan tertentu meningkat atau menurun.

Bila nilai Exp (β) lebih kecil dari 1 maka

peluang

untuk

ditemukannya

jenis

penggunaan lahan tersebut menurun dan

bila nilai Exp (β) lebih besar dari 1 maka

peluangnya meningkat. Pada faktor

kepadatan penduduk ini, penggunaan

lahan hutan, lainnya, perkebunan dan

pertanian lahan kering serta sawah

memiliki nilai Exp (β) lebih kecil dari satu,

maka hal ini menunjukkan peluang untuk

ditemukannya jenis penggunaan lahan

tersebut menjadi menurun dengan adanya

peningkatan faktor kepadatan penduduk.

Sebaliknya jenis penggunaan lahan

kawasan terbangun memiliki Exp (β) yang

lebih besar dari satu, maka peluang untuk

ditemukannya jenis penggunaan lahan ini

menjadi meningkat dengan meningkatnya

kepadatan

penduduk.

Hal

tersebut

merupakan hal yang logis dan wajar

wilayah-wilayah yang padat penduduknya

adalah merupakan wilayah perkotaan.

Lia Warlina